nihaisha-nishi-tcm
JuneYaooo/nihaisha-nishi-tcm加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象一下这样的场景：一位中医爱好者在深夜查阅倪海厦的《伤寒论》，突然想起老师讲过的一个方证——可怎么也想不起是哪一课讲的了。翻视频？太慢。搜笔记？散落在各处。这位爱好者对着 AI 助手说了一句："感冒怕冷、项背强几几、无汗"，三秒后，AI 不仅给出了对应的方剂（葛根汤）、病机（太阳病欲作刚痉），还指明了是哪一课讲的、哪张板书写过、哪个 PDF 页可以核实。
这就是 nihaisha——把倪海厦 13 个课程模块、数千页讲义、近 3000 张截图，全部转化为一个可被 AI Agent 理解、调用的 Skill。
项目作者 JuneYaooo 自 2026 年 5 月创建以来，已获得超过 1400 颗 GitHub Stars，在 Claude Code 生态的中医知识蒸馏领域独树一帜。
倪海厦（1954—2012）是当代极具影响力的中医教育者，人称"倪师"。他的课程涵盖《伤寒论》《金匮要略》《黄帝内经》《神农本草经》《针灸》等经典，以及临床医案、易筋经、天纪（易经、阳宅、紫微斗数）等内容，体系庞大、信息密度极高。
然而，这些课程以视频、音频为主，缺乏结构化的文字索引。传统的搜索引擎只能匹配关键词，无法理解"怕冷无汗+项强"背后的六经辨证逻辑。
nihaisha 的核心思路来自作者维护的 lineage-skill 方法论——将高密度课程材料整理成"可溯源、可迁移、可产出"的 Agent Skill。本质上，这是一个结构化知识工程，将散落的多媒体课程蒸馏为 AI Agent 可直接使用的 Markdown 参考文档。
值得注意的是，项目于 2026 年 7 月 15 日刚完成了一次大规模内容审计，修正了此前由 ASR（自动语音识别）转写产生的术语误差，并对 3080 个物理 PDF 页做了完整性复核。这是该项目对质量精益求精的体现。
大多数中医爱好者不会用六经术语描述症状。"感冒怕冷""手脚冷""睡不着"——这些日常语言会被 Skill 翻译为课程里的辨证分水岭问题，再定位到对应的方证检索逻辑。这大大降低了学习门槛。
项目覆盖的模块之广令人印象深刻：
| 模块 | 文字资料 | 截图证据 |
|---|---|---|
| 伤寒论 | 六经/方证/症状细分模块 | 649 张 |
| 金匮要略 | 课程文字整理 | 656 张 |
| 仲景心法 | 临床心法提炼 | 68 张 |
| 临床案例/倪师医案 | 医案整理 | 88 张 |
| 八纲辨证 | 八纲辨证体系 | 33 张 |
| 扶阳论坛 | 扶阳理论 | 37 张 |
| 易筋经 | 功法讲解 | 28 张 |
| 天纪（易经/紫微斗数） | 易理术数 | 527 张 |
| 黄帝内经 | 内经讲稿 | 272 张 |
| 神农本草 | 本草药性整理 | 127 张 |
| 针灸课程 | 经络穴位/配穴 | 501 张 |
这是本项目最具特色的功能之一——2986 张板书截图全部压缩为 WebP 格式并建立关键词索引。用户可以按方名、穴位、课次、病机关键词检索对应的原始板书画面，所有证据均可追溯到具体的时间点和画面。
引入了 11 个 PDF 来源、3080 条物理页记录。用户可以按课程模块、术语、方名查询古籍原文，与课程内容进行对照核实。这对于"课程讲的对不对、古籍依据在哪里"这类深度学习需求尤为有价值。
项目在 SKILL.md 中内置了明确的安全规则：Skill 输出的内容始终以"课程学习与中医理论整理"为框架，不提供个人诊断、处方或剂量指导。对于急症、孕产、儿童等高风险场景，会直接建议用户就医。这体现了项目在知识传播与医疗安全之间的审慎边界。
nihaisha/
├── SKILL.md # 核心 Skill 定义（12KB），含工作流、安全规则、路由逻辑
├── install_as_skill.sh # 一键安装脚本，支持 Claude Code / Codex / OpenClaw
├── agents/ # Agent 配置
├── assets/
│ └── screenshots/ # 各模块板书截图（按模块分子目录）
├── docs/ # 文档（英文版 README、使用与风险说明、微信群二维码）
├── references/ # 知识库核心（30+ 个 Markdown 文件）
│ ├── index.md # 模块总索引
│ ├── learning-entry.md # 用户学习入口
│ ├── beginner-questions.md # 白话问题翻译
│ ├── six-channel.md # 六经辨证体系
│ ├── formula-patterns.md # 方证对照
│ ├── acupuncture.md # 针灸经络
│ ├── *.md # 各模块详细内容
│ ├── screenshot-evidence.md # 截图证据索引
│ └── pdf-evidence/ # PDF 古籍溯源
└── scripts/ # 工具脚本
├── search_screenshots.py # 截图检索
├── search_pdf_evidence.py # PDF 证据检索
├── build_screenshot_assets.py # 截图资产构建
├── audit_skill_content.py # 内容审计
└── build_pdf_evidence.py # PDF 证据生成
# 方式一：自动检测（推荐）
bash <(curl -sL https://raw.githubusercontent.com/JuneYaooo/nihaisha-nishi-tcm/main/install_as_skill.sh)
# 方式二：指定平台
bash install_as_skill.sh --target=claude # Claude Code
bash install_as_skill.sh --target=codex # Codex
bash install_as_skill.sh --target=openclaw # OpenClaw
安装完成后重启 Agent，即可通过自然语言提问：
"葛根汤的组成和适用症状是什么？"
"感冒怕冷无汗，项背强几几，是什么方证？"
"足三里有什么功效，倪师怎么讲的？"
所有回答均标注引用来源——来自哪节课、哪张板书、哪页 PDF，而非空口无凭。
1. 课程内容依赖原始材料质量 项目大量依赖视频/音频转写文本，2026 年 7 月的审计报告显示，ASR 转写曾产生过一批术语误差（如麦冬、栀子豉汤等药材名称），虽然已修正，但这说明知识蒸馏管道本身存在引入误差的风险。
2. 无现代医学知识库 项目完全聚焦倪海厦课程体系，不整合现代医学或循证医学内容。用户在学习时需要自行判断倪师观点与现代医学的兼容性。
3. 截图证据数量不均衡 不同模块的截图覆盖差异悬殊：伤寒论 649 张、金匮 656 张，而八纲辨证仅 33 张代表画面。用户期望的证据密度因模块而异。
4. 安全边界的实践挑战 虽然 SKILL.md 规定了安全规则，但 AI Agent 生成的回复边界取决于 prompt 质量。项目提供的安全框架能否在实际对话中被 Agent 严格遵守，仍有待用户验证。
nihaisha 的价值不仅在于中医，更在于它代表了一种知识传承的新范式——将某位老师、某套课程的全部知识，转化为 AI Agent 可理解、可调用的 Skill。这与 RAG（检索增强生成）有本质不同：RAG 解决的是"查"，而 Skill 解决的是"理解+路由+溯源"。
从增长数据看，项目从 2026 年 5 月创建到 7 月已达 1400+ Stars，月均增长约 700 Stars，且 topics 中包含了 agent-skills、claude-code-skills、codex-skill 等多个 Agent 平台标签，显示出作者有意推动跨平台生态建设。
适合人群：
不适合：
本报告基于 GitHub 项目公开信息及作者公开文档整理，分析日期：2026-07-15。截图证据功能请以项目最新版本为准。